本書主要介紹與數(shù)據(jù)分析有關(guān)的語(yǔ)法基礎(chǔ), 針對(duì)性強(qiáng), 幫助讀者快速入門, 譬如在第2部分重點(diǎn)介紹了Python入門語(yǔ)法、特征以及數(shù)據(jù)分析所需要的一些基本語(yǔ)法。Python可以通過(guò)多個(gè)庫(kù)、多種方法實(shí)現(xiàn)相同目的, 如實(shí)現(xiàn)線性回歸可以用sklearn、statsmodels等庫(kù), 實(shí)現(xiàn)生存分析可以使用lifelines、pysurvival、statsmodels等庫(kù), 并且存在很多代碼不統(tǒng)一的情況, 這會(huì)給初學(xué)者帶來(lái)困惑。針對(duì)這個(gè)問(wèn)題, 本書主要使用Scipy庫(kù)來(lái)實(shí)現(xiàn)假設(shè)檢驗(yàn), 使用statsmodels庫(kù)來(lái)擬合統(tǒng)計(jì)模型, 并且盡量使用簡(jiǎn)潔的代碼來(lái)完成數(shù)據(jù)分析, 譬如在第7部分中介紹了利用Pandas庫(kù)在同步完成數(shù)據(jù)清洗和統(tǒng)計(jì)圖繪制, 減少代碼書寫量, 提高數(shù)據(jù)分析效率。本書的編寫突出實(shí)用性, 注重?cái)?shù)據(jù)前期處理與醫(yī)學(xué)統(tǒng)計(jì)分析相結(jié)合; 按照資料類型介紹統(tǒng)計(jì)學(xué)方法, 有利于讀者在實(shí)際數(shù)據(jù)分析中快速查找對(duì)應(yīng)的統(tǒng)計(jì)學(xué)方法; 在介紹每種統(tǒng)計(jì)方法時(shí), 強(qiáng)調(diào)適用條件, 提供最完整的代碼, 注重統(tǒng)計(jì)結(jié)果的解釋, 突出實(shí)用性和可操作性, 以達(dá)到降低數(shù)據(jù)分析難度的目的。